本论文主要研究后备方式使用的阀控铅酸蓄电池的在线监测技术，包括在线检测失效电池、预测电池劣化程度和计算放电剩余电量3个主要方面的技术研究和监测系统的设计。　　阀控铅酸蓄电池是目前备用电源系统中广泛使用的后备电池，其可靠性关系到计算机系统、电信系统、电力系统、石油化工反应装置等很多重要场合的安全与稳定。如何及时、可靠地发现失效电池是电源系统维护工作中最重要的问题，准确预测处于正常到失效过渡阶段的电池的劣化程度则是确保电源系统在市电停电后提供所需电能的关键，在放电过程准确提供剩余电量信息是设备起、停操作和其它应急处理工作的重要依据。　　阀控铅酸蓄电池是一个复杂的电化学反应系统，电池采用密封技术，无法通过观察极板和测量电解液等直接的方法进行测量，也很难用其它常规的测量方法来检测电池的性能。国内外对于阀控铅酸蓄电池在线监测还没有形成有效和系统的解决方案，随着电力电子和计算机技术的发展，智能化高频电源和先进UPS产品已经达到很高的可靠性，电池性能的监测技术落后已经成为制约电源系统可靠性继续提高的瓶颈。　　针对失效电池的在线检测问题，提出了采用单电池内阻在线测量的方法。由于采用新的激励方法和抗干扰数字滤波算法，能够在线准确测量大容量电池的微欧级内阻。根据对不同测试方法和不同充电状态下实测数据的分析，研究了内阻数据的使用条件，在此条件下计算内阻的变化幅度，达到可靠检测失效电池的目的。　　对处于正常到失效过渡阶段的电池，从内阻数据的变化规律研究了内阻与劣化程度的相关性。由于电池劣化机理的复杂性和现场劣化模式的随机性，很难用内阻数据来直接计算电池的劣化程度，通过对实测数据的分析，提出了劣化程度预测的技术路线，即把内阻的小幅变化作为容量下降的信号，采取进一步测试来确认容量下降。　　进一步测试采用了对电池部分放电的方法。通过对放电性能的分析，确定了采用短时部分放电的数据进行蓄电池劣化程度预测的可行性。根据电池劣化机理的复杂性和多因素影响放电数据的特点，提出了采用自适应神经模糊系统进行电池劣化程度预测的建模方法，选择输出电量和放电深度作为模型的输入，通过样本的学习建立了劣化程度预测模型，实测数据表明模型具有优于10％的准确度，达到实用程度。　　为提高蓄电池放电剩余电量计算的可靠性，研究了基于放电电压和放电实际输出电量的剩余电量计算方法的适应性和局限性，研究对内阻、电压、电流数据进行融合，采用自适应模糊神经网络方法建立剩余电量监测模型，提高了蓄电池放电剩余电量计算的准确度和适应变电流放电的能力，保证了放电末期容量信息的可靠性，为需要在放电末期关机的计算机类设备提供了安全保障。　　在监测方案的研究上，根据劣化程度预测需要部分放电的特点，提出了以测量装置与智能充电机互动的系统方案，设计了阀控铅酸蓄电池的监测管理流程，通过对在线内阻测量、劣化程度预测和剩余电量计算等技术的综合应用，完成对蓄电池的连续、可靠监测。　　在课题的开展过程中，研究设计了代号为BM6500的电池监测管理系统。系统采用模块化结构，由控制模块、测量模块、内阻模块构成。系统可以在线准确测量每个电池的内阻及电压、电流和温度等参数，经过分析比较，在线监测蓄电池工作状态、检测失效电池。在检测到内阻变化达到设定幅度后，充电机调低输出电压使电池部分放电，监测系统采集放电数据后通过模糊神经网络模型计算来预测劣化程度预测。在放电期间连续测量电池内阻，通过SOC模型计算剩余电量。现场运行情况表明了系统的先进性和实用性。　　电信系统和计算机系统是使用阀控铅酸蓄电池最多的场合，本论文研究了利用其已有的网络对蓄电池进行远程和集中监控的方案。设计了网络化监控的实现方案，包括建立在电信动力环境集中网络的电池管理系统和基于TCP/IP协议的一般网络化监控方案。　　最后，论文针对软计算技术的薄弱环节——训练样本不足的问题，提出了网络环境下的监测模型进化的思想。通过网络化的监控系统获得实际运行的不同劣化程度的电池样本数据，加强模型的学习，并通过网络下载更为完善的模型，实现预测模型的在线进化，为网络环境下的复杂系统建模提供了新的方法和完善途径。